Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos

Autores
Rosas, M. V.; Leiva, Héctor Ariel; Gallard, Raúl Hector
Año de publicación
2000
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Varias técnicas de especiación y niching han sido diseñadas y probadas en Algoritmos Genéticos (AGs) mostrando buenos resultados en la optimización de problemas donde el descubrir y mantener múltiples soluciones es importante. Las Estrategias Evolutivas (EEs) surgieron desde el área de la optimización numérica, manteniendo las mismas desventajas que los AGs simples al abordar problemas donde el objetivo es localizar múltiples soluciones. Por ejemplo para problemas de optimización multimodal (funciones con varios óptimos a localizar), optimización multiobjetivo (donde hay más de un criterio a optimizar) o en el caso de simulación de sistemas adaptativos complejos {6}. Este trabajo investiga la posibilidad de mejorar la performance de las EEs contemporáneas estándar para resolver problemas de soluciones múltiples mediante el uso de métodos de niching y especiación, analizando cuál es su ventaja con respecto a los resultados obtenidos con AGs.
I Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
estrategias evolutivas
algoritmos genéticos
métodos de niching
técnicas de especiación
optimización multimodal
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/23441
Acceder
id SEDICI_8b44c3ec5c2312abec804d4d6a2b43dd
oai_identifier_str oai:sedici.unlp.edu.ar:10915/23441
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Técnicas de niching: estrategias evolutivas vs. algoritmos genéticosRosas, M. V.Leiva, Héctor ArielGallard, Raúl HectorCiencias Informáticasestrategias evolutivasalgoritmos genéticosmétodos de nichingtécnicas de especiaciónoptimización multimodalVarias técnicas de especiación y niching han sido diseñadas y probadas en Algoritmos Genéticos (AGs) mostrando buenos resultados en la optimización de problemas donde el descubrir y mantener múltiples soluciones es importante. Las Estrategias Evolutivas (EEs) surgieron desde el área de la optimización numérica, manteniendo las mismas desventajas que los AGs simples al abordar problemas donde el objetivo es localizar múltiples soluciones. Por ejemplo para problemas de optimización multimodal (funciones con varios óptimos a localizar), optimización multiobjetivo (donde hay más de un criterio a optimizar) o en el caso de simulación de sistemas adaptativos complejos {6}. Este trabajo investiga la posibilidad de mejorar la performance de las EEs contemporáneas estándar para resolver problemas de soluciones múltiples mediante el uso de métodos de niching y especiación, analizando cuál es su ventaja con respecto a los resultados obtenidos con AGs.I Workshop de Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)2000-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/23441spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:55:26Zoai:sedici.unlp.edu.ar:10915/23441Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:55:26.822SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
title Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
spellingShingle Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
Rosas, M. V.
Ciencias Informáticas
estrategias evolutivas
algoritmos genéticos
métodos de niching
técnicas de especiación
optimización multimodal
title_short Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
title_full Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
title_fullStr Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
title_full_unstemmed Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
title_sort Técnicas de niching: estrategias evolutivas vs. algoritmos genéticos
dc.creator.none.fl_str_mv Rosas, M. V.
Leiva, Héctor Ariel
Gallard, Raúl Hector
author Rosas, M. V.
author_facet Rosas, M. V.
Leiva, Héctor Ariel
Gallard, Raúl Hector
author_role author
author2 Leiva, Héctor Ariel
Gallard, Raúl Hector
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
estrategias evolutivas
algoritmos genéticos
métodos de niching
técnicas de especiación
optimización multimodal
topic Ciencias Informáticas
estrategias evolutivas
algoritmos genéticos
métodos de niching
técnicas de especiación
optimización multimodal
dc.description.none.fl_txt_mv Varias técnicas de especiación y niching han sido diseñadas y probadas en Algoritmos Genéticos (AGs) mostrando buenos resultados en la optimización de problemas donde el descubrir y mantener múltiples soluciones es importante. Las Estrategias Evolutivas (EEs) surgieron desde el área de la optimización numérica, manteniendo las mismas desventajas que los AGs simples al abordar problemas donde el objetivo es localizar múltiples soluciones. Por ejemplo para problemas de optimización multimodal (funciones con varios óptimos a localizar), optimización multiobjetivo (donde hay más de un criterio a optimizar) o en el caso de simulación de sistemas adaptativos complejos {6}. Este trabajo investiga la posibilidad de mejorar la performance de las EEs contemporáneas estándar para resolver problemas de soluciones múltiples mediante el uso de métodos de niching y especiación, analizando cuál es su ventaja con respecto a los resultados obtenidos con AGs.
I Workshop de Agentes y Sistemas Inteligentes (WASI)
Red de Universidades con Carreras en Informática (RedUNCI)
description Varias técnicas de especiación y niching han sido diseñadas y probadas en Algoritmos Genéticos (AGs) mostrando buenos resultados en la optimización de problemas donde el descubrir y mantener múltiples soluciones es importante. Las Estrategias Evolutivas (EEs) surgieron desde el área de la optimización numérica, manteniendo las mismas desventajas que los AGs simples al abordar problemas donde el objetivo es localizar múltiples soluciones. Por ejemplo para problemas de optimización multimodal (funciones con varios óptimos a localizar), optimización multiobjetivo (donde hay más de un criterio a optimizar) o en el caso de simulación de sistemas adaptativos complejos {6}. Este trabajo investiga la posibilidad de mejorar la performance de las EEs contemporáneas estándar para resolver problemas de soluciones múltiples mediante el uso de métodos de niching y especiación, analizando cuál es su ventaja con respecto a los resultados obtenidos con AGs.
publishDate 2000
dc.date.none.fl_str_mv 2000-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/23441
url http://sedici.unlp.edu.ar/handle/10915/23441
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615813741412352
score 13.070432

Publicaciones similares